基于二元模糊比较法的单步空战机动决策研究

空战机动决策过程中,往往需要根据敌我态势,给定多个任务指标,最终得出多指标条件下我方机动的最优控制解。通过对双机空战态势的研究,建立机动模型。在给定敌方运动轨迹的情况下,设定机动评价指标。运用二元模糊比较法融合空战态势的各种输入信息,通过不同指标下的机动模糊比较矩阵,对我机单步机动决策进行研究,最终得出我机机动轨迹。仿真结果表明,算法符合实际,并且具有较好的稳定性。     

航天测控通信系统可靠性分析的Krylov子空间投影算法

基于Markov模型对航天测控通信系统进行可靠性分析的过程中,若系统中测控通信设备数量较多,模型中的状态空间随设备数量呈指数增长,将会导致数值计算困难.提出了一种基于Krylov子空间技术的可靠性分析方法,将大规模问题投影至小规模子空间中,求得问题的近似解.实验结果证明,Krylov子空间方法的计算速度及精度优于Ross方法和前向Euler法(forward Euler method,FEM).     

单兵系统数据模型

讨论了单兵系统的体系结构和信息要素,并结合单兵系统在联合作战中的应用例子,对其业务过程和信息流进行初步分析。然后通过IDEF1X方法,设计单兵系统基于关系数据库的数据模型。最后讨论了模型的规范化问题,并给出检验数据模型的方法。     

本体驱动的多分辨率联邦一致性维护方法

传统的聚合解聚方法仅能解决语法层的数据聚合解聚的参数静态匹配问题,却不能解决联邦一致性的其他两个重要的方面:数据的语义匹配合理性及联邦运行中的动态一致性。为了解决以上两个问题,提出了一种本体驱动的多分辨率联邦一致性维护框架——OCM框架。该框架基于本体创建与融合技术构建联邦本体,通过邦员本体与联邦本体间的映射,解决了联邦数据匹配的合理性问题;基于聚合解聚方法,引入管理与协调联邦实体状态的邦员,通过合理设计联邦的实时对象更新及交互机制,实现了联邦实体状态的实时一致性。实验结果表明:OCM框架能有效保持联邦中多分辨率实体的状态一致,并且由于联邦本体的可重用性,对邦员的增加与退出不敏感,因此联邦的重组合也具有一定的借鉴价值。     

基于灰色系统理论的目标方位估算及应用

针对潜艇作战过程中依据目标方位变化判断战场态势的军事需求,根据灰色系统理论,以实测目标方位序列为原始数据,建立GM(1,1)模型,深入挖掘其内在规律性,对目标方位序列的变化趋势进行科学分析,并估算未来时刻目标方位,用于战术态势判断、检验目标运动要素解算和战术绘算的准确性,以及干预目标运动要素解算,以期望利用有限的数据,获得最大限度的信息,为潜艇指挥员提供决策支持。     

群体性事件情报预警困境的博弈分析

在公安边防部门辖区内，群体性事件时有发生，成为影响辖区治安的主要因素。如何基于所掌握的情报，找出一种科学合理的情报分析方法成为边防部门亟待解决的问题。从博弈论的角度，建立模型，用数学方法进行求解，对公安边防部门与群体性事件的策动者进行博弈分析。     

建设教育实习基地的理论与实践研究

教育实习是师范院校教育教学活动的一项重要内容。建立相对稳定的教育实习基地是教育实习中理论与实践联系的必由之路;质量至上、互惠互利、友好协商是建设教育实习基地的准则;坚持解放思想、实事求是、大胆创新、与时俱进,才能使教育实习基地的建设不断适应新形势、实现新飞跃。     

有限维修能力下多级保障系统装备时变可用度评估及保障方案优化

备件库存和站点维修能力是影响备件维修周转的重要因素，制约装备使用效果。针对备件需求随任务阶段动态变化的装备保障方案评估和优化问题，考虑站点维修能力对备件维修过程的影响，结合METRIC建模方法和动态排队理论，建立了有限维修能力下多级保障系统装备时变可用度评估模型。在评估模型基础之上，以保障费用为优化目标，装备可用度为约束条件，建立了任务期内多级保障系统保障方案优化模型。以任务期内的最低可用度所对应的备件短缺数为观测值，分析了各项资源的边际效益值，采用边际优化算法对各项资源进行优化计算。算例分析表明，评估模型能够计算多级保障系统任务期内各阶段装备可用度；保障方案优化模型和方法能够得到各项保障资源的优化配置方案。提出的模型和优化方法能够为装备保障人员制定合理的保障方案提供决策支持。     

均匀平面薄片重心公式的推导

给出均匀平面薄片重心公式的两种推导 ,同时介绍了古鲁金 (P .Guldin)定理及其应用。     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010